如何在kylin中构建一个cube

前面的文章介绍了Apache Kylin的安装及数据仓库里面的星型和雪花模型的概念，这篇文章我们来看下，如何构建一个kylin的cube进行查询。这里不得不吐槽一下Kylin的资料，少之又少出现问题网上基本找不到解决方案，所以想要学习kylin，建议大家买一本书系统的学习一下，这里推荐一本入门的书《基于Apache kylin构建大数据分析平台》，介绍的还可以。


下面来看下如何构建一个cube：

首先，我们要明白kylin的数据源主要来自Hive里面的各种表，如果想要进行测试，那么首先我们要在hive中有自己的表，注意，表的类型基本有两种，一种是事实表，一种是维度表，kylin使用的是星型模型，通常一个事实表会关联多个维度表，表的数据有了，下面就是通过kylin的ui界面来完成整个流程。除此之外keylin还支持从kafka构建流式表，由于使用场景比较少，这里就不讨论这个了。


下面通过一张图看下整个构建cube的操作流程：






（1） 登录7070端口下面的kylin的web管理页面，默认的用户名是KYLIN密码是ADMIN





（2）点击左上角的加号小按钮，新建一个工程





（3）选择这个工程，然后点击model面板，并点击Data Source面板，选择配置hive数据源，并加载需要用到的表同步到kylin里面






（4）点击Models，开始设计model，这个步骤主要是基础加工，配置一个事实表和多个维表以及他们的关联条件，和需要统计的维度和度量






（5）设计cube








（6）构建cube





（7）查看cule的构建进度





（8）最后查询cule数据




至此一整个的cuble构建流程完事，整体步骤还是比较多的，当然里面有一些步骤并没有说的那么详细，此外设计cuble的步骤有一些高级配置，对优化查询有着比较重要的作用，这块现在还没太深入，这个demo只是让我们有一个整体的认识，如果对高级的设计感兴趣的朋友可以看kylin的官网文档。


Kylin的本质是基于空间换时间的策略来实现亚秒级的查询，本身只是一个Server，充分利用了Hadoop+Hive来把结果集数据预构建到Hbase里来优化提高查询效率。所以想要使用Kylin必须保证你的Hadoop，Hive，Hbase已经安装，并且能正常使用。


构建cube的本质，其实就是把各种可能用到的查询，聚合，统计提前预计算好，然后按规则写入hbase，这样在查询的时候，基于rowkey的查询响应速度非常快，而且随着数据量的增大，查询响应时间基本是个常量，虽然查询很快，但是离线使用MapReduce来预构建cube的过程确实非常之慢，另外一个缺点是单kylin的server并发非常低，根据我们的测试也就40左右，大家可能有疑问，hbase本身支持的并发是非常强大的为什么到了kylin这里就这么低，其实kylin server服务不仅仅只是查询hbase的结果返回给前端，大部分时候都需要在server的内存里做各种运算，比如分页，排序，聚合等，所以如果大并发量一旦瞬间上来可把kylin server所在的tomcat的jvm内存给耗尽，最终导致任务失败或者服务挂掉。所以kylin的定位是给产品或者运营使用的大数据OLAP查询引擎，如果并发量比较高的业务，使用kylin一直要提前测试好，根据并发情况多部署几个kylin server服务。



总结：

总体来说，对于一些字段数固定且不经常改变schema的大表数据，采用kylin来进行OLAP查询是非常适合的，性能也不错，但是如果scheam经常变换，统计的维度和度量也可能变换这种场景是不太适合用kylin来解决的，可以尝试ES或者SOLR来分析，最后需要注意的事kylin的并发支持并不太好，非常高并发的查询服务，一定要严格测试后，多部署几个kylin server且做好读写分离，提交任务的server集群和查询server集群分开部署。



有什么问题可以扫码关注微信公众号：我是攻城师(woshigcs)，在后台留言咨询。
技术债不能欠，健康债更不能欠， 求道之路，与君同行。